1.本发明涉及一种无创血糖检测方法及系统。
背景技术：
2.糖尿病是一种终身代谢且无法治愈的慢性疾病，但可以进行适当管理控制糖尿病。世界上大约1.7％的人口患有糖尿病，并且在不久的将来这一比例可能会增加。目前没有有效的糖尿病治疗方法，只有通过定期监测血糖水平来减少或延缓并发症的发生，自我监测被认为是控制糖尿病最直接和最可行的选择之一。
3.ppg是一种用于测量身体某部位血容量变化的技术，该技术简单且低成本，它通常非侵入性地用于在皮肤表面进行测量。ppg装置由光源和检测器组成，用于发出照射组织的光和接收光的反射。吸收的光量根据循环系统中血液体积的波动而周期性地变化，导致ppg信号包含与呼吸、循环系统、血流和心跳相关的信息。
4.ecg(electrocardiogram)用于记录引发心跳的电信号序列的时间节点和强度。通过分析ecg图像，医生可以更好地诊断我们的心率是否正常，心脏功能是否存在问题。ecg记录的是引发心脏跳动的电脉冲序列。
5.ppg信号和ecg信号的强弱和波形结构还与检测对象当时的肤色、角质层、血管壁厚度有关，所以，即使不同人的血糖浓度相同，也会测量到不同的ppg信号和ecg信号，所以这些因素均会影响血糖浓度的确定。
技术实现要素：
6.本发明的目的是为解决现有技术的不足，提供了一种无创血糖检测方法，具体包括以下步骤：
7.同步监测步骤：采集同步监测的ppg信号和ecg信号；
8.获取脉搏波传递时间步骤：根据ppg信号的上升点和ecg信号峰值，得到脉搏波传递时间；
9.信号处理步骤：对ppg信号和ecg信号进行处理，去除噪音，得到处理后的ppg信号和ecg信号；
10.特征提取步骤：根据处理后的ppg信号和ecg信号进行分段处理并提取信号特征，得到ppg信号特征和ecg信号特征；
11.获取血糖数据步骤：将脉搏波传递时间、ppg信号特征和ecg信号特征作为待测血糖数据；
12.比对识别步骤：将待测血糖数据与数据库中的血糖数据进行比对，识别出所对应的血糖浓度；
13.所述数据库包括具有自然时间顺序的多组血糖数据，所述一组血糖数据中包括脉搏波传递时间、ppg信号特征、ecg信号特征以及对应的血糖浓度。
14.一种无创血糖检测系统，具体包括以下单元：
15.同步监测单元：采集同步监测的ppg信号和ecg信号；
16.获取脉搏波传递时间单元：根据ppg信号的上升点和ecg信号峰值，得到脉搏波传递时间；
17.信号处理单元：对ppg信号和ecg信号进行处理，去除噪音，得到处理后的ppg信号和ecg信号；
18.特征提取单元：根据处理后的ppg信号和ecg信号进行分段处理并提取信号特征，得到ppg信号特征和ecg信号特征；
19.获取血糖数据单元：将脉搏波传递时间、ppg信号特征和ecg信号特征作为待测血糖数据；
20.比对识别单元：将待测血糖数据与数据库中的血糖数据进行比对，识别出所对应的血糖浓度；
21.所述数据库包括具有自然时间顺序的多组血糖数据，所述一组血糖数据中包括脉搏波传递时间、ppg信号特征、ecg信号特征以及对应的血糖浓度。
22.本发明通过将脉搏波传递时间、ppg信号特征、ecg信号特征作为核心参数，实现血糖的精准测量，如果数据库足够精准，那么就可以完全消除肤色、角质层、血管壁厚度等外部因素的影响。同时，本发明还通过计算差量的一阶或多阶导数实现了数据库的更新，使得数据库更加精准。
23.参考以下详细说明更易于理解本技术的上述以及其他特征、方面和优点。
具体实施方式
24.为使本发明实施例的目的、技术方案和优点更加清楚，下面将对本发明实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其它实施例，都属于本发明保护的范围。
25.除非另作定义，此处使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。本发明专利申请说明书以及权利要求书中使用的“第一”、“第二”以及类似的词语并不表示任何顺序、数量或者重要性，而只是用来区分不同的组成部分。同样，“一个”或者“一”等类似词语也不表示数量限制，而是表示存在至少一个。
26.一种无创血糖检测方法，包括以下步骤：
27.同步监测步骤：采集同步监测的ppg信号和ecg信号；
28.获取脉搏波传递时间步骤：根据ppg信号的上升点和ecg信号峰值，得到脉搏波传递时间；
29.信号处理步骤：对ppg信号和ecg信号进行处理，去除噪音，得到处理后的ppg信号和ecg信号；
30.去除噪音的方式可以采用现有技术中常见的那些方法。
31.特征提取步骤：根据处理后的ppg信号和ecg信号进行分段处理并提取信号特征，得到ppg信号特征和ecg信号特征；
32.特征提取步骤包括：
33.采用高斯拟合算法对每个单周期的ppg信号和ecg信号从时域和频域两个方面进
行特征提取,得到信号特征，
34.信号特征包括：信号最大幅度、从开始到峰值的单个时期的上升率、从峰值到结束的单个时期的下降率、单个周期的平均幅度值、幅度的标准偏差、从开始到峰值的平均斜率、从峰值到降中峡的平均斜率、从降中峡到舒张峰的平均斜率或从舒张期峰值到结束的平均斜率。
35.高斯拟合(gaussian fitting)即使用形如：
36.gi(x)＝ai*exp((x
‑
bi)^2/ci^2)
37.的高斯函数对数据点集进行函数逼近的拟合方法。其实可以跟多项式拟合类比起来，不同的是多项式拟合是用幂函数系，使用高斯函数来进行拟合，优点在于计算积分十分简单快捷。
38.c#中用mathnet惊醒矩阵运算实现方案如下：
39.double[,]a＝new double[fitdatas.count,3]；
[0040]
double[]b＝new double[fitdatas.count]；
[0041]
double[]x＝new double[3]{0,0,0}；
[0042]
for(int i＝0；i<fitdatas.count；i++)
[0043]
{
[0044]
b[i]＝math.log(fitdatas[i].intensity)；
[0045]
a[i,0]＝1；
[0046]
a[i,1]＝fitdatas[i].wavelength；
[0047]
a[i,2]＝a[i,1]*a[i,1]；
[0048]
}
[0049]
//matrix.equation(datas.count,3,a,b,x)；
[0050]
mathnet.numerics.linearalgebra.matrix matrixa＝new mathnet.numerics.linearalgebra.matrix(a)；
[0051]
mathnet.numerics.linearalgebra.matrix matrixb＝new mathnet.numerics.linearalgebra.matrix(b,b.length)；
[0052]
mathnet.numerics.linearalgebra.matrix matrixc＝matrixa.solve(matrixb)；
[0053]
x＝matrixc.getcolumnvector(0)；
[0054]
double s＝
‑
1/x[2]；
[0055]
double xmax＝x[1]*s/2.0；
[0056]
double ymax＝math.exp(x[0]+xmax*xmax/s)；
[0057]
获取血糖数据步骤：将脉搏波传递时间、ppg信号特征和ecg信号特征作为待测血糖数据；
[0058]
比对识别步骤：将待测血糖数据与数据库中的血糖数据进行比对，识别出所对应的血糖浓度；
[0059]
比对步骤具体包括：
[0060]
若待测血糖数据为自然时间上的第一组血糖数据时，将待测血糖数据与数据库中的血糖数据按照顺序逐一比对，并计算待测血糖数据与数据库中的血糖数据之间的差量，
数据库差量最小的血糖数据作为匹配数据；
[0061]
若待测血糖数据不是自然时间上的第一组血糖数据时，计算待测血糖数据与数据库中的血糖数据之间的差量；根据预设的差量阈值在数据库中找到多组血糖数据，根据多组血糖数据的自然时间，选择与上一匹配数据的自然时间更为接近的血糖数据作为待测血糖数据的匹配数据；
[0062]
匹配数据中的血糖浓度作为检测到的血糖浓度。
[0063]
数据库包括具有自然时间顺序的多组血糖数据，一组血糖数据中包括脉搏波传递时间、ppg信号特征、ecg信号特征以及对应的血糖浓度。
[0064]
差量是通过以下公式计算得到：
[0065]
t＝δa
×
α1+δb
×
α2+δc
×
α3[0066]
其中，t为差量；
[0067]
δa为脉搏波传递时间差；
[0068]
δb为ppg信号特征之间的绝对差值之和；
[0069]
δc为ecg信号特征之间的绝对差值之和；
[0070]
α1、α2、α3为权重系数。权重系数一般来说，会赋予脉搏波传递时间差更大的权重，例如赋予0.8的系数。
[0071]
无创血糖检测方法还包括数据库更新步骤：
[0072]
根据多组在比对步骤中得到的待测血糖数据与匹配血糖数据，计算得到按照自然时间排列的多组差量，计算差量的一阶或多阶导数，若一阶或多阶导数高于一定阈值，则将多组待测血糖数据放入数据库中，并按照顺序赋予自然时间。
[0073]
本发明还涉及一种无创血糖检测系统，具体包括以下单元：
[0074]
同步监测单元：采集同步监测的ppg信号和ecg信号；
[0075]
获取脉搏波传递时间单元：根据ppg信号的上升点和ecg信号峰值，得到脉搏波传递时间；
[0076]
信号处理单元：对ppg信号和ecg信号进行处理，去除噪音，得到处理后的ppg信号和ecg信号；
[0077]
特征提取单元：根据处理后的ppg信号和ecg信号进行分段处理并提取信号特征，得到ppg信号特征和ecg信号特征；
[0078]
获取血糖数据单元：将脉搏波传递时间、ppg信号特征和ecg信号特征作为待测血糖数据；
[0079]
比对识别单元：将待测血糖数据与数据库中的血糖数据进行比对，识别出所对应的血糖浓度；
[0080]
数据库包括具有自然时间顺序的多组血糖数据，一组血糖数据中包括脉搏波传递时间、ppg信号特征、ecg信号特征以及对应的血糖浓度。
[0081]
比对单元具体包括：
[0082]
若待测血糖数据为自然时间上的第一组血糖数据时，将待测血糖数据与数据库中的血糖数据按照顺序逐一比对，并计算待测血糖数据与数据库中的血糖数据之间的差量，数据库差量最小的血糖数据作为匹配数据；
[0083]
若待测血糖数据不是自然时间上的第一组血糖数据时，计算待测血糖数据与数据
库中的血糖数据之间的差量；根据预设的差量阈值在数据库中找到多组血糖数据，根据多组血糖数据的自然时间，选择与上一匹配数据的自然时间更为接近的血糖数据作为待测血糖数据的匹配数据；
[0084]
匹配数据中的血糖浓度作为检测到的血糖浓度。
[0085]
特征提取单元包括：
[0086]
采用高斯拟合算法对每个单周期的ppg信号和ecg信号从时域和频域两个方面进行特征提取,得到信号特征，信号特征包括：信号最大幅度、从开始到峰值的单个时期的上升率、从峰值到结束的单个时期的下降率、单个周期的平均幅度值、幅度的标准偏差、从开始到峰值的平均斜率、从峰值到降中峡的平均斜率、从降中峡到舒张峰的平均斜率或从舒张期峰值到结束的平均斜率。
[0087]
无创血糖检测系统还包括数据库更新单元：
[0088]
根据多组在比对单元中得到的待测血糖数据与匹配血糖数据，计算得到按照自然时间排列的多组差量，计算差量的一阶或多阶导数，若一阶或多阶导数高于一定阈值，则将多组待测血糖数据放入数据库中，并按照顺序赋予自然时间。
[0089]
本发明通过将脉搏波传递时间、ppg信号特征、ecg信号特征作为核心参数，实现血糖的精准测量，如果数据库足够精准，那么就可以完全消除肤色、角质层、血管壁厚度等外部因素的影响。同时，本发明还通过计算差量的一阶或多阶导数实现了数据库的更新，使得数据库更加精准。
[0090]
以上显示和描述了本发明的基本原理和主要特征和本发明的优点,对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。
[0091]
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这中叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。